論文の概要: Mixing Algorithm for Extending the Tiers of the Unapparent Information Send through the Audio Streams

• arxiv url: http://arxiv.org/abs/2502.12544v1
• Date: Tue, 18 Feb 2025 05:08:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:05:13.582705
• Title: Mixing Algorithm for Extending the Tiers of the Unapparent Information Send through the Audio Streams
• Title（参考訳）: オーディオストリームを経由した不透明な情報の階層拡大のための混合アルゴリズム
• Authors: Sachith Dassanayaka,
• Abstract要約: 機密性および効率性は、ステガノグラフィーの関与によって得ることができる。 本稿では,ロバスト性,セキュリティ,キャパシティの隠蔽性に基づいて,性能に応じた経路を解析し,提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Usage of the fast development of real-life digital applications in modern technology should guarantee novel and efficient way-outs of their protection. Encryption facilitates the data hiding. With the express development of technology, people tend to figure out a method that is capable of hiding a message and the survival of the message. Secrecy and efficiency can be obtained through steganographic involvement, a novel approach, along with multipurpose audio streams. Generally, steganography advantages are not used among industry and learners even though it is extensively discussed in the present information world. Information hiding in audio files is exclusively inspiring due to the compassion of the Human Auditory System (HAS). The proposed resolution supports Advance Encryption Standard (AES)256 key encryption and tolerates all existing audio file types as the container. This paper analyzes and proposes a way out according to the performance based on robustness, security, and hiding capacity. Furthermore, a survey of audio steganography applications, as well as a proposed resolution, is discussed in this paper.
• Abstract（参考訳）: 現代の技術における現実のデジタルアプリケーションの迅速な開発は、その保護の斬新で効率的な方法を保証するべきである。 暗号化はデータの隠蔽を容易にする。 技術が発達するにつれて、人々はメッセージの隠蔽とメッセージの生存を可能にする方法を見出す傾向にある。 機密性と効率性は、ステガノグラフィーの関与、新しいアプローチ、多目的オーディオストリームによって得ることができる。 一般に,現在の情報界では広く議論されているものの,産業や学習者の間では,ステガノグラフィーの優位性は利用されない。 音声ファイルに隠された情報は、ヒューマン・オーディトリー・システム(HAS)の思いやりによって、排他的に刺激を受けている。 提案された解決は、Advanced Encryption Standard (AES)256キー暗号化をサポートし、既存のすべてのオーディオファイルタイプをコンテナとして許容する。 本稿では、ロバスト性、セキュリティ、隠蔽能力に基づいて、性能に応じた経路を解析し、提案する。 さらに,本論文では,オーディオ・ステガノグラフィーの応用と,提案した解決法について述べる。

関連論文リスト

• Understanding Audiovisual Deepfake Detection: Techniques, Challenges, Human Factors and Perceptual Insights [49.81915942821647]
  ディープラーニングは様々な分野に適用され、ディープフェイク検出への影響は例外ではない。 ディープフェイク(英: Deepfakes)は、政治的偽造、フィッシング、スランダリング、偽情報の拡散に偽装的に使用できる、偽物だが現実的な合成コンテンツである。 本稿では,ディープフェイク検出戦略の有効性を改善し,サイバーセキュリティとメディアの整合性に関する今後の研究を導くことを目的とする。
  論文  参考訳（メタデータ） (2024-11-12T09:02:11Z)
• SONAR: A Synthetic AI-Audio Detection Framework and Benchmark [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供することを目的としている。 従来のモデルとファンデーションベースのディープフェイク検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• An Improved Phase Coding Audio Steganography Algorithm [4.524282351757178]
  AI技術は音声のクローン化をますます利用しやすくし、AI生成オーディオ偽造の不正行為の増加につながっている。 本研究では,中間位相成分にデータを埋め込んで動的に音声信号を分割する位相符号化型オーディオステガノグラフィーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-08-21T19:25:31Z)
• Audio Anti-Spoofing Detection: A Survey [7.3348524333159]
  ディープラーニングは、Deepfakeとして知られるマルチメディアフェイクコンテンツを操作または作成できる洗練されたアルゴリズムを生み出した。 防汚対策の開発を促進するため, 防汚対策の音響的課題が編成されている。 本稿では,アルゴリズムアーキテクチャ,最適化手法,アプリケーション一般化性,評価指標,パフォーマンス比較,利用可能なデータセット,オープンソース可用性など,検出パイプライン内のすべてのコンポーネントについて,包括的なレビューを行う。
  論文  参考訳（メタデータ） (2024-04-22T06:52:12Z)
• Boosting Digital Safeguards: Blending Cryptography and Steganography [0.30783046172997025]
  ステガノグラフィーは、他の媒体にデータを隠蔽することで、メッセージを見えないものにすることで、隠蔽通信を容易にする。 提案手法は、人工知能(AI)とディープラーニング(DL)の最新の進歩を、特にGAN(Generative Adversarial Networks)の適用を通じて活用する。 GANの応用により、ニューラルネットワーク固有の感度を利用してデータのわずかな変更を行う、スマートでセキュアなシステムが可能になる。
  論文  参考訳（メタデータ） (2024-04-09T03:36:39Z)
• AKVSR: Audio Knowledge Empowered Visual Speech Recognition by Compressing Audio Knowledge of a Pretrained Model [53.492751392755636]
  本稿では、音声モダリティを用いて、視覚的モダリティの不十分な音声情報を補うために、AKVSR(AKVSR)を提案する。 提案手法の有効性を広範囲な実験により検証し,広範に使用されているLSS3データセット上で新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-08-15T06:38:38Z)
• NPVForensics: Jointing Non-critical Phonemes and Visemes for Deepfake Detection [50.33525966541906]
  既存のマルチモーダル検出手法は、Deepfakeビデオを公開するために、音声と視覚の不整合をキャプチャする。 NPVForensics と呼ばれる非臨界音素とビセムの相関関係を抽出する新しいディープフェイク検出法を提案する。 我々のモデルは、微調整で下流のDeepfakeデータセットに容易に適応できる。
  論文  参考訳（メタデータ） (2023-06-12T06:06:05Z)
• Audio Deepfake Attribution: An Initial Dataset and Investigation [41.62487394875349]
  我々は、Audio Deepfake Attribution (ADA)と呼ばれるオーディオ生成ツールの属性に対する最初のディープフェイクオーディオデータセットを設計する。 オープンセットオーディオディープフェイク属性(OSADA)のためのクラス・マルチセンター学習(CRML)手法を提案する。 実験の結果,CRML法は実世界のシナリオにおけるオープンセットリスクに効果的に対処できることが示された。
  論文  参考訳（メタデータ） (2022-08-21T05:15:40Z)
• Data Hiding with Deep Learning: A Survey Unifying Digital Watermarking and Steganography [33.12806297686689]
  デジタル透かしとステガノグラフィー技術は、機密性のある知的財産を保護し、秘密の通信を可能にするために用いられる。 デジタル透かしとステガノグラフィーをソフトウェア工学で統合し、セキュリティを強化し、リスクを軽減する研究の方向性が提案され、計画されている。
  論文  参考訳（メタデータ） (2021-07-20T07:03:23Z)
• TEACHTEXT: CrossModal Generalized Distillation for Text-Video Retrieval [103.85002875155551]
  本研究では,大規模言語前訓練を利用した一般化蒸留法TeachTextを提案する。 提案手法をビデオ側モダリティに拡張し,テスト時に使用するモダリティの数を効果的に削減できることを示す。 提案手法は,いくつかのビデオ検索ベンチマークの精度を著しく向上させ,テスト時の計算オーバーヘッドを増加させない。
  論文  参考訳（メタデータ） (2021-04-16T17:55:28Z)
• An Overview of Deep-Learning-Based Audio-Visual Speech Enhancement and Separation [57.68765353264689]
  音声強調と音声分離は関連する2つの課題である。 伝統的に、これらのタスクは信号処理と機械学習技術を使って取り組まれてきた。 ディープラーニングは強力なパフォーマンスを達成するために利用されています。
  論文  参考訳（メタデータ） (2020-08-21T17:24:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。